公开(公告)号：CN107544904B

公开(公告)日：2020-11-03

申请号：CN201710717237.5

申请日：2017-08-21

Applicant: 哈尔滨工程大学

Inventor： 徐东 ,  王磊 ,  孟宇龙 ,  张子迎 ,  姬少培 ,  张玲玲 ,  王岩俊 ,  张朦朦 ,  李贤 ,  王杰

IPC: G06F11/36

Abstract: 本发明公开了一种基于深度CG‑LSTM神经网络的软件可靠性预测模型，属于计算机软件技术领域。本发明包括模型训练和模型预测两部分，模型训练部分：对软件失效数据集进行数据归一化处理；利用归一化处理后的软件失效数据集训练基于深度CG‑LSTM神经网络的软件可靠性预测模型，获得预测模型。模型预测部分：获取当前软件失效数据并采进行数据归一化处理，然后输入获得的预测模型进行未来的软件失效预测，得到预测结果。本发明克服基于传统神经网络的软件可靠性预测模型的梯度消失问题、泛化能力差问题，模型预测精度更高、适用性更广。

公开(公告)号：CN107544904A

公开(公告)日：2018-01-05

申请号：CN201710717237.5

申请日：2017-08-21

Applicant: 哈尔滨工程大学

Inventor： 徐东 ,  王磊 ,  孟宇龙 ,  张子迎 ,  姬少培 ,  张玲玲 ,  王岩俊 ,  张朦朦 ,  李贤 ,  王杰

IPC: G06F11/36

Abstract: 本发明公开了一种基于深度CG-LSTM神经网络的软件可靠性预测模型，属于计算机软件技术领域。本发明包括模型训练和模型预测两部分，模型训练部分：对软件失效数据集进行数据归一化处理；利用归一化处理后的软件失效数据集训练基于深度CG-LSTM神经网络的软件可靠性预测模型，获得预测模型。模型预测部分：获取当前软件失效数据并采进行数据归一化处理，然后输入获得的预测模型进行未来的软件失效预测，得到预测结果。本发明克服基于传统神经网络的软件可靠性预测模型的梯度消失问题、泛化能力差问题，模型预测精度更高、适用性更广。